Análisis de cohortes: Reduzca la rotación y mejore la retención
Publicado: 2022-07-28El análisis de cohortes responde a una pregunta comercial sobre cómo un grupo o segmento específico de usuarios ha interactuado con un producto, o se espera que interactúe con un producto, en función de sus comportamientos anteriores. Al obtener datos de comportamiento y dividirlos en cohortes, se vuelve más fácil de analizar.
Las cohortes son grupos de usuarios que comparten características específicas y patrones de uso durante un período de tiempo. Estos podrían incluir cosas como el tiempo de uso, las funciones registradas o la cantidad de objetivos completados. Las cohortes son útiles porque lo ayudan a segmentar su base de usuarios y recopilar datos sobre la forma en que interactúan con su producto a lo largo de su ciclo de vida.
Las empresas deben utilizar el análisis de cohortes para comprender el comportamiento de los usuarios y mejorar la retención de clientes. Los datos que obtiene son una excelente manera de comprender qué hace que los nuevos clientes se queden y algunas de las razones comunes por las que abandonan.
Conclusiones clave
- El análisis de cohortes es un método importante para medir los resultados de diferentes experimentos diseñados para impulsar el compromiso, aumentar las conversiones y evitar la pérdida de clientes, lo que genera ingresos estables y un crecimiento sostenible.
- Los gerentes de productos y los especialistas en marketing utilizan el análisis de cohortes para probar hipótesis sobre cómo los clientes interactúan con sus productos. Luego, utilizan esos conocimientos para impulsar los ingresos, la retención, las conversiones y otras métricas comerciales.
- El análisis de cohortes debe usarse para mejorar la retención de clientes al ayudarlo a comprender más sobre las experiencias de diferentes grupos o segmentos de usuarios.
- El análisis de retención de cohortes ayuda a construir un proceso de retención que consiste en:
- Establecer metas
- Explorando datos
- hipotetizar
- Lluvia de ideas
- Pruebas
- analizando
- sistematizando
- El análisis de cohortes se puede utilizar para analizar tres tipos de datos: adquisición, comportamiento y predicción. Cada uno se puede utilizar para responder diferentes tipos de preguntas comerciales.
- La herramienta adecuada transforma el análisis de cohortes de un proceso manual, técnico y laborioso en un proceso automatizado, en tiempo real y no técnico.
- Realizar su propio análisis de cohortes con Amplitude le permite profundizar en los comportamientos de sus clientes y tomar decisiones basadas en datos para mejorar la experiencia del cliente.
¿Qué es el análisis de cohortes?
Una cohorte es un grupo o segmento de usuarios que comparten rasgos de perfil comunes, comportamientos o ambos. Por ejemplo:
- Usuarios que poseen dispositivos iOS
- Usuarios que iniciaron sesión todos los días la semana pasada
- Usuarios que poseen dispositivos iOS que iniciaron sesión todos los días la semana pasada
Por lo general, un gerente de producto o un comercializador plantea una pregunta comercial, lo que genera un análisis de cohortes. Esas preguntas pueden girar en torno a la participación, la conversión o la retención del producto.
- Compromiso es el término para las acciones que las personas realizan dentro de su aplicación. Eso podría ser subir de nivel a un personaje en un juego, compartir un entrenamiento con la comunidad en una aplicación de fitness o reproducir una canción en una aplicación de música.
- La conversión es el objetivo final. El análisis de cohortes se puede utilizar para juzgar si los diferentes incentivos para la conversión, como nuevas funciones o tarifas con descuento, son efectivos.
- La retención se refiere a las personas que regresan a su aplicación una y otra vez.
En el gráfico de ejemplo anterior, puede ver el viaje del usuario para dos cohortes diferentes: usuarios que compartieron una canción (verde) y aquellos que no lo hicieron (azul). La cohorte de usuarios que compartió una canción tuvo una mayor participación y conversión.
Ahora echemos un vistazo más de cerca a cómo se puede usar el análisis de cohortes para ayudar a los gerentes de productos a reducir la rotación de clientes y mejorar las tasas de retención.
Importancia de prevenir la rotación de clientes
El análisis de cohortes es fundamental porque las métricas como los usuarios activos diarios o mensuales (DAU y MAU) están muy distorsionadas por el crecimiento. Si su aplicación está creciendo rápidamente, los nuevos registros de usuarios enmascararán dónde están dejando sus usuarios existentes. No importa cuán productivos sean sus canales de adquisición si pierde clientes actuales tan rápido o más rápido que gana nuevos.
Es por eso que realizar un análisis de cohorte de tasa de abandono es una de las formas más efectivas de mejorar la salud de su negocio. Los clientes que repiten compras ayudan a una empresa a generar ingresos estables y compensar los costos de atraer nuevos clientes.
Según Business of Apps, el costo de publicidad por instalación de aplicaciones móviles alcanzó los $5,28. Un ciclo de vida del cliente más largo paga mayores dividendos por esa inversión.
Cómo construir una estrategia de retención utilizando el análisis de cohortes
El aspecto más poderoso del análisis de cohortes es que no solo verá que los clientes se van y cuándo, sino que también puede comenzar a comprender Puede mejorar su tasa de retención implementando el siguiente proceso:
- Establezca metas: Establezca una meta para el proceso. ¿Quieres reducir el churn a corto plazo? ¿A largo plazo? ¿Cuál es su objetivo de crecimiento?
- Explorar: Examine los datos actuales para ver dónde se pueden hacer cambios para alcanzar su objetivo.
- Formular hipótesis: decidir qué preguntas hacer y los posibles resultados de los experimentos.
- Lluvia de ideas: Concebir posibles experimentos para probar hipótesis.
- Prueba: Ejecuta diferentes pruebas para evaluar hipótesis.
- Analizar: analice los datos de prueba para ver si se cumplieron los objetivos.
- Sistematizar: hacer que cualquier cambio positivo forme parte del sistema.
A través de este sistema, puede mejorar continuamente su aplicación y aumentar la retención. En lugar de mirar un número de abandono agregado, está apuntando a un comportamiento específico y probando para ver si animar a los usuarios a adoptar ese comportamiento mejora la retención.
Uso del análisis de cohortes para mejorar la retención de clientes
Un informe de análisis de cohortes de clientes se puede utilizar para probar una hipótesis sobre cómo ciertos cambios en los productos afectan los indicadores clave de rendimiento de una empresa.
Por ejemplo, suponga que es gerente de producto de una aplicación de música como Spotify y uno de sus objetivos principales es aumentar la retención de usuarios.
Puede formular la hipótesis de que los usuarios que comparten una cantidad determinada de canciones con sus amigos tienen más probabilidades de convertirse en usuarios regulares y retenidos de su aplicación.
Para probar esta hipótesis, primero selecciona un grupo o cohorte de usuarios en función de su fecha de adquisición. Luego, divide esta cohorte de adquisición en dos subconjuntos. En un subconjunto de cohortes están los usuarios que usaron la función 'compartir canción' al menos una vez. El otro subconjunto de cohortes comprende usuarios que no usaron la función 'compartir'.
Finalmente, ejecute un análisis de retención basado en el análisis de comportamiento de estos dos subconjuntos de cohortes.
En este caso, el gráfico de análisis de cohortes anterior muestra las tasas de retención de N días para los usuarios que compartieron una canción (azul) en comparación con los que no lo hicieron (verde). Puede ver que los usuarios que no comparten una canción tienen una tasa de abandono del 77,75% después de 30 días. Mientras tanto, la rotación de usuarios que sí usaron la función de compartir es solo del 31%.
Esa es una diferencia significativa, y ese conjunto de datos ahora le brinda la oportunidad de tomar una decisión comercial que podría generar más ingresos. Por ejemplo, en la próxima actualización, puede modificar su flujo de incorporación para solicitar a los nuevos usuarios que compartan una canción en lugar de esperar a que descubran esa función por sí mismos.
Tipos de datos de cohortes
Hay tres tipos de datos de cohortes, y cada uno tiene diferentes casos de uso.
Cohortes de adquisición
Las cohortes de adquisición dividen a los usuarios en función de cuándo se registraron en su producto. Una aplicación para consumidores podría agrupar cohortes por el día en que se registran, mientras que una herramienta SaaS es más probable que realice un seguimiento de las cohortes mensuales.
Las cohortes de adquisición se utilizan para realizar un seguimiento de los nuevos usuarios y ver cuánto tiempo continúan usando su aplicación después de su interacción inicial: la duración de la vida de su cliente. Esta puede ser una excelente manera de experimentar con su experiencia de incorporación para garantizar que los usuarios vean el valor de su producto de manera clara y temprana. Cuanto antes los nuevos usuarios tengan ese "¡ajá!" momento, es más probable que se conserven.
Cohortes de comportamiento
Las cohortes de comportamiento son un segmento personalizado de su audiencia basado en cualquier combinación de comportamientos anteriores o propiedades de perfil de usuario.
Algunos ejemplos de comportamientos de los usuarios incluyen compartir una canción, registrarse para una prueba o realizar una compra. Las propiedades del perfil de usuario son cosas como datos demográficos, qué plataforma usa un visitante o cómo alguien llega a su sitio web.
La combinación de comportamientos y propiedades de perfil forman colectivamente una cohorte de comportamiento. Este tipo de datos de cohorte es una forma de ver las acciones dentro de un marco de tiempo determinado para identificar tipos similares de usuarios para el análisis. Ese análisis generalmente revela cómo los usuarios interactúan con su producto y cómo esa participación del usuario afecta cosas como la retención, la tasa de conversión u otros indicadores clave que son importantes para su negocio.
Cohortes predictivas
Las cohortes predictivas analizan lo que se espera que haga un usuario en el futuro.
Este tipo de datos es mejor para determinar a qué usuarios dirigirse con una campaña de marketing o decidir cómo ajustar los precios para aumentar las posibilidades de que un usuario realice una acción.
Cohortes de adquisición: encontrar momentos problemáticos en su aplicación
Las cohortes de adquisición le brindan información sobre el ciclo de vida de sus clientes, específicamente, cuánto tiempo les lleva abandonar después de la fecha de adquisición. Esta información puede ayudarlo a identificar patrones de abandono o campañas de marketing con altas tasas de conversión. Supongamos que tiene una aplicación de música que está experimentando un problema de rotación de usuarios todos los días.
Los usuarios en el cuadro de retención anterior se dividen en cohortes diarias: usuarios que se registraron el mismo día. Puede ver que 11 528 usuarios se registraron en su aplicación de música el 16 de julio y la retención del día 5 fue del 49,7 %. Entonces, uno de cada dos usuarios que se registraron el 16 de julio todavía eran usuarios activos en la aplicación el quinto día después de usar la aplicación por primera vez.
La mejor manera de visualizar esta información es convertirla en una curva de análisis de retención, que muestra su retención para estas cohortes a lo largo del tiempo. Cuando grafica sus datos de esta manera, es fácil ver cuándo los usuarios abandonan su producto.
Esta curva de retención te dice inmediatamente algo importante: alrededor de un tercio de los usuarios dejan de usar la aplicación después del primer día. Después de esa caída inicial, la curva continúa disminuyendo constantemente, dejando solo un poco más del 25 % de los usuarios originales aún activos en la aplicación el día 30.
Eso no es muy bueno (aunque es común, algunos datos muestran que la aplicación promedio pierde casi el 60% de sus usuarios en el primer mes). La retención temprana es un problema importante. Una curva como esta indica que los usuarios no obtienen el valor central de la aplicación lo suficientemente rápido, por lo que se van. Ahora sabe que necesita mejorar la experiencia inicial de la aplicación para que los usuarios lleguen a su valor principal lo más rápido posible.
Alcanzando los límites de las cohortes de adquisición
Si su aplicación tiene la curva de retención que se muestra arriba, inmediatamente querrá averiguar qué puede hacer para aumentar su retención.
Las cohortes de adquisición por sí solas no brindan ninguna información sobre cómo puede mejorar la experiencia del usuario para retener a sus usuarios. No puede aislar comportamientos específicos o propiedades de usuario.
Las cohortes de adquisición son excelentes para mostrarle tendencias y decirle cuándo las personas se están yendo, pero para comprender por qué se están yendo, debe recurrir a otro tipo de cohorte: las cohortes de comportamiento.
Cohortes de comportamiento: descubra qué comportamientos impulsan la retención
Desde el momento en que los usuarios se registran con su producto, toman cientos de decisiones y exhiben innumerables pequeños comportamientos que los llevan a decidir quedarse o irse. Al segmentar a sus usuarios en función de estos comportamientos, puede obtener información sobre qué características de su producto impulsan el crecimiento.
Al volver a trabajar en la incorporación de usuarios para optimizar la retención, deberá identificar la forma más efectiva de hacerlo. En lugar de elegir en qué trabajar en función de anécdotas o elecciones aleatorias, las cohortes de comportamiento le permiten decidir sobre un enfoque de manera sistemática y cuantitativa. Las cohortes de comportamiento agrupan a los usuarios en función de las acciones específicas que han realizado (o no).
Encontrar las cohortes adecuadas
Para su aplicación de música, puede crear diferentes cohortes de usuarios a partir de acciones como reproducir una canción, buscar un artista o crear una lista de reproducción.
Digamos que desea ver la retención de usuarios que marcaron canciones favoritas en la aplicación. Puede usar cohortes de comportamiento para observar la retención de nuevos usuarios que marcaron como favoritas tres o más canciones:
Mientras que casi el 60 % de todos los usuarios (azul) se dan de baja al día siguiente de usar la aplicación, solo alrededor del 15 % de los usuarios que tienen como favoritas tres o más canciones (verde) la abandonan después del primer día.
Inversión de cohortes
Ahora que sabe cómo cambia la retención para los usuarios que interactúan con la función favorita, también puede ver cómo cambia para aquellos que no lo hacen. A continuación se muestra la retención de los usuarios que no marcaron una canción como favorita:
Los usuarios que no marcaron ninguna canción como favorita (púrpura) tienen una retención peor que la mayoría : menos del 25% de estos usuarios abandonan después del primer día.
A partir de esta simple visualización, puede ver que llevar a las personas a sus canciones favoritas al principio de su experiencia les permite descubrir el valor central de la aplicación, lo que significa que es más probable que continúen como usuarios. Ahora que tiene estos datos, puede ponerlos en práctica al enfatizar la función de canciones favoritas durante la incorporación. Eso llevará a más usuarios a elegir canciones favoritas al principio de sus viajes de clientes y, en última instancia, a mejores tasas de retención.
Combinando cohortes
Puede crear cohortes de comportamiento basadas en cualquier acción que se pueda realizar en su producto. Esto significa que puede correlacionar cualquier cantidad de acciones de usuarios diferentes con las tasas de retención de usuarios.
Por ejemplo, su aplicación de música tiene una función que permite a las personas unirse a comunidades según sus géneros favoritos. Puede extraer ese conjunto de datos para ver si eso ayuda a mejorar la retención o si es una funcionalidad que no hace ninguna diferencia en su valor de por vida.
Aquí puede ver que la retención inicial para los usuarios que se unen a las comunidades (púrpura) es similar a la de los usuarios que tienen canciones favoritas (verde), pero es ligeramente mejor al final del día 30 y mucho mejor que la de todos los usuarios (azul).
A medida que los usuarios se involucran con otras personas y encuentran más música para reproducir, comienzan a disfrutar más de la aplicación y continúan usándola. Probablemente formularía una hipótesis sobre esto en su proceso de retención, pero ahora tiene datos para respaldar su hipótesis.
La combinación de diferentes cohortes de comportamiento le brinda una mejor comprensión de las relaciones entre las diferentes características de su producto y cómo es probable que impulsen la retención.
Encontrar las combinaciones adecuadas
¿Qué pasa con los usuarios que tienen canciones favoritas y se unen a comunidades? Con Amplitude, puede filtrar sus acciones para combinar estas dos cohortes:
Como puede ver, es mucho más probable que los usuarios que exhiben estos dos comportamientos sigan usando la aplicación en esas primeras semanas. Al final de la primera semana, la retención está por encima del 75 % para la cohorte de favoritos + comunidad (azul), mientras que está por debajo del 25 % para los usuarios sin ninguno de estos comportamientos (verde).
Correlación, no causalidad
El hecho de que las personas que tienen canciones favoritas y se unen a comunidades abandonen menos no significa que conducir a las personas hacia estos comportamientos reducirá automáticamente su tasa de abandono. Por ejemplo, un llamado a la acción para que se unan a 20 comunidades al registrarse probablemente alejará a la gente.
Eso es porque correlación no implica causalidad. Favorecer canciones y unirse a comunidades podría estar simplemente correlacionado con la participación del usuario, no provocándolo . Para determinar la causalidad, puede probar A/B diferentes flujos de incorporación que enfatizan las canciones favoritas para ver si aumenta la retención.
Una vez que tenga datos de cohortes de comportamiento, puede comenzar a ejecutar experimentos utilizando una herramienta de prueba A/B como Amplitude Experiment para probar comportamientos que pueden estar relacionados con la retención. Puede ver qué funciona y qué no y aumentar sistemáticamente su retención.
Cohortes predictivos: Aumente su ROI de marketing
Puede usar cohortes predictivas para determinar la probabilidad de que un usuario compre una canción en el futuro en función de su cohorte de comportamiento.
Una forma de responder a esta pregunta comercial es tomar una cohorte de nuevos usuarios que compartieron una canción durante un período de tiempo, digamos en los últimos 14 días, y ejecutar un análisis de predicción. Este tipo de análisis funciona mejor si tiene un tamaño de cohorte de más de 100 000 usuarios porque necesita suficientes datos para que el modelo de aprendizaje automático haga una predicción. Después de unos 30 a 60 minutos, el modelo clasificará cohortes específicas en función de quién es más probable que realice una acción determinada, como comprar una canción.
Nuevamente, ahora tiene datos en un gráfico de cohorte simple para informar una decisión comercial efectiva. Por ejemplo, podría centrarse en el 5 % de los usuarios que tienen más probabilidades de comprar una canción. Seleccione esa cohorte, coloque a esos usuarios en una herramienta de terceros y diríjase a ellos para una campaña de marketing. Esto podría ser una notificación automática, un correo electrónico o una alerta de SMS para alentarlos a tomar una acción. En este caso, realizar una compra.
Al mismo tiempo, podría observar el 20% de los usuarios que el análisis predictivo determinó que tenían menos probabilidades de realizar su acción preferida y optar por no destinar ningún dinero de marketing a ellos, ya que es poco probable que arroje algún resultado. Alternativamente, puede concluir que el grupo de usuarios simplemente necesita un incentivo diferente o mayor. Tal vez enviarles un cupón de descuento del 50 % resulte ser una oferta tan buena que no puedan rechazarla.
De cualquier manera, puede medir la reacción de estas cohortes a su nueva dirección y seguir ajustando sus inversiones de marketing en función de su análisis.
Herramientas para el análisis de cohortes
Los mercados modernos se mueven rápido y las empresas que no pueden tomar decisiones rápidas basadas en datos precisos pueden perder ingresos. Sin las herramientas de análisis adecuadas, los equipos no técnicos que necesitan datos para tomar mejores decisiones comerciales deben confiar en los analistas de datos y los ingenieros de datos.
Eso puede significar enviar un ticket con el equipo de datos y esperar días o incluso semanas para que los analistas hambrientos de tiempo entreguen las hojas de cálculo. Luego, requiere que alguien en su equipo tenga tiempo suficiente para analizar esos datos y buscar información.
Amplitud: cómo la herramienta de análisis de cohortes adecuada acelera las decisiones comerciales
Con Amplitude, los gerentes de producto y los especialistas en marketing pueden responder sus propias preguntas realizando un análisis de cohorte de autoservicio de cualquiera de las tres maneras.
1. Puede crear una cohorte dentro de cualquier gráfico en Amplitud, como el gráfico de Análisis de retención a continuación. Aquí, puede seleccionar cualquier combinación de comportamientos y propiedades de perfil, como usuarios que marcan una canción como favorita o se unen a una comunidad.
2. También puede usar una sección de Cohortes dedicada para crear definiciones de cohortes personalizadas basadas en sus parámetros particulares. Esta cohorte personalizada se puede usar en otros gráficos. Por ejemplo, la siguiente cohorte muestra usuarios nuevos y activos en iOS que compartieron una canción pop o rock en los últimos 30 días.
3. Puede crear una cohorte basada en un solo punto de datos que se encuentra en cualquier gráfico. Por ejemplo, puede identificar nuevos usuarios del lanzamiento de un producto el 26 de julio.
En última instancia, una buena herramienta de análisis de cohortes permite a los equipos no técnicos hacer y responder preguntas. Poner esa información directamente en sus manos les brinda una mejor comprensión de los usuarios de sus productos y mejores datos para impulsar los resultados comerciales.
Otras herramientas de análisis de cohortes
Además de Amplitude, existen muchas herramientas en el mercado que permiten a los gerentes de productos y a los especialistas en marketing realizar análisis de cohortes, que incluyen:
- Plaza de contenido
- Historia completa
- Gainsight PX
- Caja de vidrio
- Montón
- Cohete de troncos
- panel de mezcla
- pendó
- Mirada inteligente
Obtenga más información sobre estas y otras herramientas de análisis de cohortes en un sitio de revisión de software como G2.
Ejemplos de análisis de cohortes
Estos son algunos ejemplos de cómo los clientes de Amplitude han realizado análisis de cohortes para producir resultados comerciales.
Calm: ejemplo de análisis de cohortes para la retención
Por una corazonada, Calm usó cohortes de comportamiento para probar la retención de usuarios que establecieron recordatorios diarios en su aplicación de meditación en comparación con aquellos que no usaron la función. Descubrieron un aumento de 3 veces en la retención de los usuarios que configuran recordatorios diarios.
El recordatorio no fue fácil de encontrar, por lo que existía la posibilidad de que los usuarios a los que más les gustaba la aplicación por alguna otra razón simplemente buscaran más en los menús y encontraran la función. Para probar si esto era una correlación o una causalidad, Calm cambió su tutorial de incorporación para alentar a algunos usuarios nuevos a configurar un recordatorio y dejó a otros usuarios nuevos como grupo de control.
Esa tasa de retención de 3x se mantuvo durante el experimento, por lo que Calm incluyó el aviso para establecer recordatorios diarios en su próxima actualización de toda la aplicación.
Cornerstone: ejemplo de análisis de cohortes para decisiones más rápidas
Cornerstone ha transformado su flujo de trabajo de gestión de productos con la ayuda de Amplitude. Antes, los jefes de producto tenían que solicitar datos a los ingenieros.
Esos ingenieros proporcionarían un informe de cohorte con hojas de cálculo llenas de información, lo que requería que un empleado de tiempo completo estudiara detenidamente la información y obtuviera información que podría conducir a mejores resultados comerciales.
Todo el proceso podría llevar días. O semanas. Ahora, los gerentes de productos pueden recuperar los mismos datos en minutos y usar los conocimientos para tomar decisiones rápidas.
Cómo comenzar con el análisis de cohortes
Configurar su propio análisis de cohortes con una herramienta de análisis de cohortes como Amplitude es simple:
- Eche un vistazo a su retención por cohorte de adquisición de clientes. Eso le mostrará cuándo los usuarios se están yendo.
- Defina eventos para algunas de las acciones principales de los usuarios de su aplicación y, a continuación, extraiga sus cohortes de comportamiento. Analice sus cohortes de comportamiento comparándolas, invirtiéndolas y combinándolas. Úselo con sus aprendizajes al observar las cohortes de adquisición para generar una hipótesis sobre las acciones que puede enfatizar durante una parte específica del viaje del cliente para impulsar la retención.
- Realice cambios en su aplicación (usando pruebas A/B con Amplitude Experiment si tiene un volumen de uso lo suficientemente alto) para ver si impulsar ciertas acciones en su aplicación realmente hace que los usuarios regresen.
- Procesa tus aprendizajes y repite.
Con las cohortes de comportamiento de Amplitude, puede ver los detalles de los comportamientos de sus clientes y comenzar a tomar decisiones basadas en datos para mejorar su experiencia con su producto.
Pruebe el análisis de cohortes hoy con un plan Amplitude gratuito , o consulte nuestro libro de jugadas Mastering Retention para saber cómo puede aumentar aún más la retención.
Referencias
- La guía definitiva para la cohorte conductual. Amplitud.
- Guía paso a paso para el análisis de cohortes y la reducción de la tasa de abandono. Amplitud.
- Análisis de cohortes: todo lo que puede hacer con las cohortes de adquisición. Saras.
- Informe comparativo de aplicaciones móviles de 2019 para informar su estrategia de 2020. Meseta.
- Uso del análisis de cohortes para la optimización de conversiones. Speero.
